文献

J-GLOBAL ID：202202213051543982   整理番号：22A1967860

ランダムフォレスト手法を応用した研削砥石要素決定支援システム

Grinding Wheel Element Determination Support System by Random Forest Method

著者 (1件)： 児玉紘幸 (岡山大学学術研究院自然科学学域)
資料名： 精密工学会誌(Web)  (Journal of the Japan Society for Precision Engineering (Web))
巻： 88  号： 7  ページ： 556-559(J-STAGE)  発行年： 2022年 
JST資料番号： U0462A  ISSN： 1882-675X  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・研削砥石の性能を支配する要素は,粒度,砥粒,結合度,組織,および結合剤であるが,これらの因子を被削材に合わせて選定する必要があり,本稿では,その支援システムについて解説。
・適用するアンサンブル学習の基本を述べた後,ランダムフォレスト(RF)による解析結果として,ターゲットデータ,RF手法による砥石決定,学習の精度評価,および構築したシステムの内挿予測の精度評価を提示。

シソーラス用語： *研削 ,  *研削砥石 ,  粒度 ,  砥粒 ,  強度 ,  微細構造 ,  粘結剤 ,  選択 ,  計算機アルゴリズム ,  ディシジョンツリー
準シソーラス用語： 結合度 ,  選定 ,  ランダムフォレスト法 ,  決定木

著者キーワード (10件)： data-mining ,  decision tree ,  random forest ,  grinding wheel ,  material characteristics ,  data-mining ,  decision tree ,  random forest ,  grinding wheel ,  material characteristics

分類 (1件)： 研削  (QC03000R)

引用文献 (15件)：

• 1) A. Dogan and D. Birant : Machine learning and data mining in manufacturing, Expert Systems with Applications, 166, (2021) 114060.
• 2) U. Fayyad, G. Piatetsky-Shapiro and P. Smyth : From Data Mining to Knowledge Discovery in Databases, AI Magazine, 17, 3 (1996) 37.
• 3) T. Adachi, J.J. Talavage and C.L. Modie : A rule based control method for a multi loop production system, Artificial Intelligence in Engineering, 4, 3 (1989) 115.
• 4) S. Tomlinson : Novel Approaches to the calculation and comparison of thermoregulatory parameters, J. Thermal Biology, 57 (2016) 54.
• 5) N. Jothi, N. Rashid and W. Husain : Data Mining in Healthcare-A Review, Procedia Computer Science, 72 (2015) 306.

タイトルに関連する用語 (6件)： ランダムフォレスト ,  手法 ,  応用 ,  研削砥石 ,  要素 ,  決定支援システム